[論文レビュー] Multi-Fingered Active Grasp Learning

Qingkai Lu, Mark Van der Merwe+1 more|arXiv (Cornell University)|Jun 6, 2020

Robot Manipulation and Learning参考文献 44被引用数 5

ひとこと要約

本論文は、多指型ロボットグリップのための新しいアクティブディープラーニングフレームワークを提案する。このフレームワークは、マルチアームバンディット定式化を用いて、グリップ設定空間の探索と分類器の信頼性を同時に最適化する。確率的グリップ計画を学習されたニューラル尤度関数で埋め込み、アクティブラーニングループに組み込むことで、より少ないトレーニングサンプルで、被動的教師あり学習と同等のグリップ成功率を達成するとともに、さまざまな物体形状やテクスチャにおいてより多様なグリップを生成する。

ABSTRACT

Learning-based approaches to grasp planning are preferred over analytical methods due to their ability to better generalize to new, partially observed objects. However, data collection remains one of the biggest bottlenecks for grasp learning methods, particularly for multi-fingered hands. The relatively high dimensional configuration space of the hands coupled with the diversity of objects common in daily life requires a significant number of samples to produce robust and confident grasp success classifiers. In this paper, we present the first active deep learning approach to grasping that searches over the grasp configuration space and classifier confidence in a unified manner. We base our approach on recent success in planning multi-fingered grasps as probabilistic inference with a learned neural network likelihood function. We embed this within a multi-armed bandit formulation of sample selection. We show that our active grasp learning approach uses fewer training samples to produce grasp success rates comparable with the passive supervised learning method trained with grasping data generated by an analytical planner. We additionally show that grasps generated by the active learner have greater qualitative and quantitative diversity in shape.

研究の動機と目的

• 多指型ロボットグリップにおける高いデータ収集のボトルネックを解消すること、特に高次元の設定空間と物体の多様性による要因を含む。
• 被動的教師あり学習の限界を克服すること。この方法は、データ収集に分析的プランナーユーザー依存のため、偏った低多様性のグリップを生み出す。
• 情報性の高いグリップ設定を選択することで、より少ないサンプルで一般化性能を向上させるアクティブラーニングフレームワークを開発すること。
• インタラクティブな仮説検証を通じて、より広範な妥当な設定空間と物体タイプをカバーできるようにグリップモデルを可能にすること。
• アクティブラーニングが、顕著に少ないトレーニングデータで被動学習と同等またはそれを上回るパフォーマンスを達成できることを実証すること。

提案手法

• アクティブグリップラーニングをマルチアームバンディット問題として定式化し、3つの異なる探索戦略（例：高不確実性、高信頼性、多様性）をアームとして扱う。
• 学習されたニューラル尤度関数による確率的グリップ計画を用いて、アクティブモデルから高品質なグリップ仮説を生成する。
• グリップ成功の尤度を推定するための学習されたニューラルネットワークを統合し、グリップ設定の上でのエンドツーエンド微分可能な推論を可能にする。
• バンディットベースの選択ポリシーを用いて、次にラベル付けする最も情報量の多いグリップ設定を選択し、探索と活用のバランスを取る。
• 実ロボットインタラクションをオракルとして使用：ロボットがグリップを実行し、人為的入力なしに自動的に成功／失敗をラベル付ける。
• 多次元ガウス混合モデル（MDN）事前分布とボクセルベースのグリップ表現を用いて、グリップ分布の多様性をモデル化する。

実験結果

リサーチクエスチョン

• RQ1 アクティブラーニングは、グリップ成功率を維持または向上させながら、多指グリップ学習に必要なトレーニングサンプル数を削減できるか？
• RQ2 同じまたはより多くのデータを用いた場合、アクティブラーニングは被動的教師あり学習に比べてより多様なグリップ設定を生成するか？
• RQ3 アクティブラーニングフレームワークは、さまざまな物体幾何形状にわたって高次元グリップ設定空間をよりよくカバーできるか？
• RQ4 分析的プランナーデータを用いてトレーニングされた被動的教師ありモデルと比較して、アクティブに学習されたグリップモデルのパフォーマンスはどの程度か？
• RQ5 アクティブラーニングは、新しい部分的に観測された物体への一般化をどの程度向上させるか？

主な発見

• アクティブグリップラーニング手法は、8種類の実物テストオブジェクトで50%のグリップ成功率を達成した。これは、はるかに多くのデータでトレーニングされた被動的教師ありモデルの52.5%の成功率と同等であった。
• サイドグリップでは、アクティブラーナーが93.3%の成功率を達成し、被動モデルの78.6%を上回り、特に挑戦的なグリップタイプで優れた性能を示した。
• アクティブラーナーは15件のサイドグリップと25件のオーバーヘッドグリップを生成したが、被動モデルは14件のサイドグリップと26件のオーバーヘッドグリップを生成した。これにより、アクティブラーナーのグリップ多様性が顕著に高いことが示された。
• 微分エントロピー解析により、アクティブモデルのエントロピー（設定：-16.3、姿勢：-3.7、関節：-11.8）は、被動的大データモデル（設定：-18.6、姿勢：-4.2、関節：-13.5）よりも高いことが判明し、より高いグリップ多様性を示している。
• アクティブラーニングアプローチは、パフォーマンスを維持しながらデータ要件を削減した。これは、アクティブサンプリングが被動的データ収集よりもグリップ設定空間をより効果的に探索できることを証明した。
• オーバーヘッドグリップ性能は、すべての手法で低く（アクティブ：24%、被動的大：34.5%）保たれた。これは、このような設定におけるフィードバック制御の改善が求められることを示唆している。